車路協同已經成為行業共識，能不能讓車路協同成為中國一個換道超車的機會，則有賴於整個產業的共同合作，產業融合和整體協調將決定中國智慧交通的成與敗。車路協同裡很重要的是三個方面的協調：聰明的車、智慧的路和強大的雲。

中智行L4級別自動駕駛體驗

日前，記者受邀參加了中智行無人駕駛汽車在上海奉賢區的路測，體驗了L4級自動駕駛。路測在奉賢自動駕駛汽車開發測試區進行，此次乘坐的是一輛基於林肯MKZ 2.0H車型打造的L4級自動駕駛車輛。車上的鐳射雷達、攝像頭等硬體裝置一應俱全，這也是車輛實現自動駕駛的基礎配備。出於目前國內法規要求，車上配備了一名安全員。但記者注意到，在全程6、7公里的行駛過程中，車輛都是自行完成加速、減速、轉向、剎停等動作，安全員全程並未介入。

除了路面的正常行駛，車輛對於路口的紅綠燈，也會很聰明地做出反應。比如，當車輛需要左轉，接近路口的停車線時，車輛就會緩慢剎停，並打起轉彎指示燈；等待綠燈倒計時提前準備起步；而在轉彎時遇到待行區域，車輛也會自動駛入。

車輛設定了兩個模式，普通模式和運動模式。車內還配備了一塊大螢幕，上面顯示了車輛的行駛路徑，以及周邊環境，無論是車輛、行人或是非機動車，都能夠精準識別，並在螢幕上動態顯示。

車路協同有望換道超車

從2019年開始，中美兩國在智慧交通的發展上選擇了不同的方向。美國一如既往的走在了單車智慧的道路上，其一是因為美國的5G沒有大規模鋪開；其二是美國在單車智慧的發展上遙遙領先。而中國從2019年的6月6號頒佈了4張5G商業牌照之後，中國的5G技術覆蓋已經走在了世界前端。

Navigant的研究報告對世界範圍內的無人駕駛公司進行了排名，20餘家無人駕駛公司，能夠上榜的中國公司只有百度一家。中國要想在單車智慧上趕超美國的前三名，至少還需要2~3年的時間。中國選擇走車路協同的道路發展智慧交通，將有機會換道超車，在未來做到世界領先。

中國良好的“變道條件”也正為中智行的發展路線提供支撐。2020年2月，國家發改委等11個部委聯合印發《智慧汽車創新發展戰略》指出車路協同是未來的重要發展方向。5G和新基建加持，中國最有可能做車路協同。

10月29日，中智行宣佈與中汽創智科技有限公司達成戰略合作，雙方將各自發揮在汽車行業和無人駕駛行業的資源和優勢，共同探索單車智慧駕駛、5G智慧車路協同等汽車科技，推動行業發展。據中智行的規劃，兩年後將在百平方公里的範圍內驗證車路協同的安全性。

車路協同是高級別自動駕駛的必由之路

同濟大學教授朱西產曾指出，車路協同是高級別自動駕駛的必由之路，透過路端計算可以有效地降低車端計算量，降低車載晶片成本。早期的自動駕駛演算法普遍以應對實時場景為主，對人工智慧演算法的依賴較為嚴重。目前許多自動駕駛公司將演算法重心從應對實時場景，轉移到了場景庫建設，這使得近年來無人駕駛技術更加趨於成熟。

2017年，waymo無人車在自動駕駛測試中，平均5000公里需要人工介入一次，而2019年人工介入平均里程已經上升到了3萬公里，提升非常明顯。單車智慧的技術路線走向無人駕駛難度和成本都會很高，而車路協同的技術路線成為了無人駕駛的一條必由之路。

車路協同可以讓車看得更遠，消除遮擋，大幅減少車端的計算量。例如，一些小區的垂直路口通常會安裝凸面鏡來擴大視野範圍，減少“鬼探頭”事故的發生，但是鐳射雷達、毫米波雷達幾乎無法識別和處理凸面鏡內的景象，攝像頭識別凸面鏡內容的難度也非常大。如果路端攝像頭和雷達可以對視野盲區進行監控，並將資訊傳遞到車端，就可以起到拓展視野、消除遮擋在作用。

很多實時路況資訊都在路端完成計算，結合5G的大頻寬、低延時通訊，就能大幅降低車端的計算量。據華為的描述，車路協同後使用14nm和28nm的自動晶片就足夠了，不需要5nm的高精度晶片，可以大大降低車載晶片成本。隨著技術逐漸成熟，無人駕駛走向量產，成本會急劇下降，當無人駕駛在特定場景下的成本和效率能與人力成本相當時，這一市場空間將被大幅釋放。

圖片

車路協同較單車智慧相比，有一些明顯的優勢。從安全性上考慮，車路協同可以做到超視距的感知。路邊單元可以透過自身的感測器將車輛感知不到的道路資訊準確地傳給車，為車輛抹去很多探測死角；另外，它有協同決策的能力。路邊單元可以使用市電，突破了車載能源的限制從而可以使用效能更強勁的計算單元，使得車輛的決策能力大幅提高。從長遠考慮，透過車路協同建設智慧交通的價效比是遠超過僅使用單車智慧的。另外，這些效能強大的計算單元可以透過光纖與區域計算單元以及整個城市的大規模計算中心相連線。這樣不僅能解決計算瓶頸的問題，還可以從宏觀角度對交通進行統一的決策和排程。所以有超視距的感知、有協同的決策，車路協同將實現更安全的駕駛。

從效率上考慮，車路協同仍然優於單車智慧。單車智慧是靠車上的電腦來做決策的，它傾向於個體最佳化。如果採用車路協同的方案，就會有一箇中央計算中心從全域性上來統籌最佳化，最佳化效率要遠遠高於單車智慧，並從根源上解決擁堵問題，使得車路協同的交通效率能夠大幅度提升。經過數學上的計算，道路的擁堵情況在道路上無人駕駛車輛和有人駕駛車輛同時存在的情況下就能降低30%~40%。如果道路上全部都是無人駕駛汽車，那麼交通擁堵問題有望被徹底解決，大幅提升通勤效率。

車路協同是新基建最有價值的承載

中國走車路協同已經成了整個行業的共識，能不能讓車路協同成為中國一個換道超車的機會，則有賴於整個產業的共同合作，產業融合和整體協調將決定中國智慧交通的成與敗。

車路協同裡很重要的是三個方面的協調：一個是車，另一個是路，還有一個是在後面支援這條路的雲。未來，在中央指揮系統前俯瞰交通網，上面密密麻麻地部署了感測器和路邊單元來指揮道路上流動的車和其他交通裝置。

中國的新基建有七個主要方向。其中的三個最主要、最核心的方向都是與智慧交通相關的：AI技術，5G技術和工業網際網路。眼下我們要解決的不僅僅是這張“網”的“結”：路邊的5G通訊裝置，還有摸清這張“網”的“線”：每個路邊單元的算力需要多大？它需要多大的儲存裝置？它要跟這個區域計算單元怎樣溝通?它要把什麼樣的資料傳給後面的區域計算核心？要把多少資料傳給整個城市的智慧交通指揮中心？路邊單元採集到的原始資料，需要傳輸哪些資料給汽車？還是需要將經過過濾的資訊傳給汽車？這也是亟待解決的問題。

因此在中國有很多地方、很多單位都在部署和測試這類路邊單元，大家都在探索：到底是什麼樣級別的路邊單元是適合的？除了對路邊單元的探索，還要對區域計算單元進行部署。這就需要行業內像中智行這樣的初創公司去探索，去把“這條河“趟過去。

車路協同的關鍵在於智慧

車路協同關鍵不在於路邊單元的硬體，而在於這些路邊單元的硬體內有多少智慧軟體在裡面。就像一臺電腦，你將深度學習軟體裝入，那麼它可以像Alpha Go一樣打敗世界冠軍，但如果你只裝入一個普通軟體，那麼它就只能玩玩遊戲，或者幹一些普通的工作。所以現在在路邊的這些單元，它到底要去判斷哪些東西？它應該對車的行為做出什麼樣的評估？能夠達到什麼樣的精準度？路邊單元的部署目前還沒有公司開始嘗試，中智行期待和相關部門及企業共同交流這些問題。

路邊單元最核心的功能是智慧的感知：它不但要識別探測到的是人還是各種不同種類的車，還要預判這個車的軌跡和行為，例如車輛會不會在路口減速遵守交通規則？車輛會不會闖紅燈？這些從人工智慧的角度來講，都是能夠提前做出預判的，並且精準度都能夠達到甚至超過99%。

要做到無人駕駛到車路協同有一個很大的障礙，就是怎麼來實踐測試無人駕駛，僅靠路測是完全不夠的，所以要把測試系統實現成高級別的模擬系統。單車智慧的模擬系統一般是用一輛車來模擬所有的道路，而做到車路協同的模擬系統要模擬整個城市，必須做出一個高級別的數字孿生系統，這是車路協同和單車智慧很大的一個技術區別。

中智行的願景是透過“聰明的車、智慧的路和強大的雲”實現中國智慧交通。在整個過程中，中智行將從底層技術上深度融合5G和AI，打造新一代5GAI車路協同無人駕駛技術，在超強感知、智慧規劃、智慧排程等方面，將AI賦能的單車智慧和5G相結合，有如給單點智慧的車加裝上全天候、全場景、360度的“千里眼”和統籌全域性的“智慧腦”，實現車、路、人、基礎設施的萬物互聯和萬物互控。未來，每輛車都將成為資訊的接收者、中轉者、處理者和發出者，全域性調配將在一張城市智慧網上執行。中智行5GAI車路協同的新一代無人駕駛將構建城市龐大的即時運力交通網路。

當然無人駕駛單車智慧比較容易去推動，要做到車路協同，尤其是把道路改造成高級別的智慧化的，並且支援自動駕駛的道路，這個過程是比較漫長和困難的，其中最重要的是需要政府的全力支援。

中智行是第一批獲得長三角一體化測試牌照的公司，對於中國要實現高級別的智慧交通，需要有核心的自主智慧財產權和核心技術。同時還要培養大量高級別的人才，中智行在這方面做了很多的推動和實踐。中智行在臨港和奉賢已經實現了非常初級的車路協同功能，隨著路邊單元的升級和5G的升級，相信上海有機會率先實現真正的、智慧的車路協同和智慧交通。

中國的智慧交通系統未來的路還很長，希望有更多的夥伴一起來合作，共同推動中國車路協同的這條道路。